Descargar la presentación
La descarga está en progreso. Por favor, espere
1
CONTROL ESTADÍSTICO DE PROCESOS
Ing. Christian Farías Carretero
2
Historia El control de Calidad es tan viejo como la propia industria.
Ejemplo : Mayas – Egipcios El control Estadístico de la Calidad solo tiene dos o tres siglos de vida. Ejemplo : Gráficos de Control ( 100 años )
3
Historia Bernard Dudding Walter A. Shewhart General Electric Com.
BS Technometrics Quality Progress Journal of Quality Tec Walter A. Shewhart Bell Telephone Labs American War Standard Cursos de Investigación George D. Edwards ASQC
4
Control de Calidad Técnicas y actividades de carácter operativo, utilizadas para satisfacer los requisitos para la calidad. Estándar ¿Conforme? SI Implantación Verificación OK NO Acción Remediadora
5
Defecto y No Conformidad
Incumplimiento de un requisito para un uso previsto o de una expectativa razonable, incluyendo lo relacionado con la seguridad. Incumplimiento de un requisito especificado.
6
Medidas de Tendencia Central y de Dispersión
Rango Varianza Desviación estándar Relación entre las medidas de dispersión. Media Moda Mediana
7
Media : Ventajas y desventajas
Es el centro de gravedad de los datos. Usa todas las observaciones No es necesario clasificar los datos. Los valores extremos pueden distorsionar la figura. La media puede no ser el valor real de todas las observaciones
8
Moda : Ventajas y desventajas
No es necesario hacer cálculos ni clasificar las observaciones. No es influenciado por valores extremos Es un valor real Puede ser visualizado los diagramas de distribución. Los datos pueden no tener moda
9
Moda : Ventajas y desventajas
No es necesario hacer cálculos ni clasificar las observaciones. No es influenciado por valores extremos Es un valor real Puede ser visualizado los diagramas de distribución. Los datos pueden no tener moda
10
Mediana : Ventajas y desventajas
Provee una idea de donde están localizados la mayoría de las observaciones. Es requerido poco cálculo. No es sensible a valores Externos. Los datos deben ser clasificados y ordenados. No usar todos los datos Valores extremos pueden ser importantes. La mediana tendrá más variación ( entre muestras ) que la media.
11
Control Estadístico de Calidad
Conjunto de técnicas estadísticas usadas para medir y controlar el desempeño de los procesos. Sirve para identificar áreas de mejora en el proceso y medir la variación de las características de calidad. Objetivos y beneficios.
12
Control Estadístico de Calidad
Mejorar la calidad Definir la capacidad o alcance del proceso. Decidir sobre las especificaciones. Decidir sobre el proceso. Decidir sobre los productos. Calcular el promedio de la calidad y controlar su cumplimiento. Objetivos
13
Control Estadístico de la Calidad
Hacer el proceso más estable II Mejorar el proceso
14
Variación En la pieza misma. El equipo El material
CLASES CAUSAS En la pieza misma. De una pieza a otra. De instante de tiempo a otro. El equipo El material El entorno El operario La interacción de estos Variaciones a lo largo del tiempo
15
Mosquete y Rifle * *
16
Causas fortuitas y causas atribuibles
Variabilidad natural o “ ruido de fondo” Causas fortuitas Otras causas de variabilidad Causas atribuibles
17
Variables contra Atributos
Aquellas características de calidad que son medibles Atributos Son las características de calidad y se dividen en dos grupos Satisfacen las especificaciones No las satisfacen De Variables Atributos
18
Pasos para una gráfica de control por variables
Definir las características de calidad. Escoger el subgrupo racional Reunir los datos Calcular los limites de control y la línea central. Revisar los limites de control y la linea central. Lograr el objetivo.
19
Subgrupos racionales Tamaño del subgrupo. Diferencias entre grupo.
Máxima Diferencias dentro del subgrupo Mínima Producidas en el mismo momento Producidas en un intervalo
20
Límites de Control 3 sigmas Menos de 3 sigmas: - Limites 0.001
Buenos resultados Menos de 3 sigmas: Perdidas en el proceso Costos de investigación, etc. LC = E[X] + L * σ[x] -
21
Principios Estadísticos
Error Tipo I (α ) Riesgo de que un punto caiga fuera de los límites de control, cuando no existe una causa atribuible. Error Tipo II (β ) Riesgo de que un punto dentro de los límites de control, cuando existe una causa atribuible.
22
Estimación de parámetros
Estimador de la media: û = 1/m * Σ Xm Estimadores de la varianza : ^ ^ σ2 = 1/m* Σ σ σ2 = [1/d2m * Σ R ]
23
Distribución Normal Características: Mediana = Moda = Media Simétrica
Unimodal
24
Distribución Normal Distribución Normal Estándar Parámetros:
Media Desviación estándar Estandarización Probabilidad
25
Teorema de Límite Central
Si Y es el promedio de n variables aleatorias, distribuidas independientemente, entonces Y tiene aproximadamente una distribución normal. La distribución mejora cuando n > 4.
26
Limites de Control
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.